论文部分内容阅读
网格的目的是将地理上分布的、系统上异构的多种计算资源通过高速网络连接起来,协同解决大型应用问题,进行广域信息资源的分布共享,最终把整个因特网整合成一台超级虚拟计算机,实现计算资源、存储资源、数据资源、信息资源、知识资源、专家资源的全面共享。在网格计算中如何最有效的管理和利用巨大的网格资源来最有效的完成各种计算任务是一个重点,即网格任务调度要解决的问题。网格计算资源的异构性,非常适合具有多种内在并行性的应用执行,将应用程序调度到异构的计算节点上运行,获得最优或近优的性能指标是网格任务调度技术的目标和方向。通过建立网格任务调度模型,并在模型基础上实现任务调度,能够达到充分有效利用资源来提高任务调度性能的目的。任务调度是网格计算中的一个重要组成部分,一直是国际和国内学术界的热点研究领域。本论文的主要工作和创新性成果如下:(1)提出了一种网格任务调度模型,并在此基础上提出了一种网格优化有向超图任务调度算法GODHTS。针对传统分布式系统任务调度算法的不足,使任务调度适应网格特征,充分发挥网格优势,本文将超图理论融合网格环境特征,建立了网格任务调度基本框架模型。本文通过结合任务和资源特征,构建超图分层模型,根据无尺度与小世界理论构建调度分布结构,在此基础上建立有效的网格任务调度机制,通过网格优化有向超图的水平构形、标号及带宽计算实现任务对网格资源的映射与调度,提出了网格优化有向超图任务调度算法GODHTS。分析及模拟实验结果验证了该机制的合理性和有效性。(2)提出了一种网格服务资源多维性能聚类任务调度机制MPCGSR。该机制根据网格环境下服务资源数量庞大、异构、多样的特点,预先以构建的网格服务资源超图模型为基础,结合无尺度和小世界原理对服务资源进行多维性能聚类,将任务与聚类资源相匹配并实施调度。理论分析和模拟实验结果表明该机制是一种有效的网格任务调度机制,其算法优于同类算法。(3)提出了一种基于资源超图划分聚类的网格任务调度机制RHPC。该机制在构建的网格超图模型基础上,预先对资源超图进行划分聚类,将任务与聚类资源相匹配并实施调度。模拟实验结果表明该机制缩短了任务资源相匹配的时间,提高了任务调度的性能,是一种有效的网格任务调度机制。(4)提出了一种基于有向超图划分的网格任务调度算法HPGTS。根据网格环境下任务调度及传统DAG图的特点,吸取有向超图的优点,将有向超图理论融合任务调度特征,建立了基于划分的网格有向超图模型,在此基础上通过对网格任务有向超图的划分并结合可信度实现任务对网格资源的映射与调度,提出了一种基于有向超图划分的网格任务调度算法HPGTS。分析和模拟仿真实验结果验证了该模型及其算法的有效性和优越性。(5)提出了一种基于融合进化计算的网格任务调度算法CEGTS。针对网格环境异构、分布等特点,本文结合了遗传算法与蚂蚁算法的优点,在双层进化结构基础上,提出了一种基于融合进化计算的网格任务调度算法CEGTS。模拟实验结果表明该调度算法与同类算法相比具有优越性。